时间序列分解算法：STL

1. 详解

STL (Seasonal-Trend decomposition procedure based on Loess) [1] 为时序分解中一种常见的算法，基于LOESS将某时刻的数据\(Y_v\)分解为趋势分量（trend component）、周期分量（seasonal component）和余项（remainder component）:
\[ Y_v = T _v + S_v + R_v \quad v= 1, \cdots, N \]

STL分为内循环（inner loop）与外循环（outer loop），其中内循环主要做了趋势拟合与周期分量的计算。假定\(T_v^{(k)}\)、\(S_v{(k)}\)为内循环中第k-1次pass结束时的趋势分量、周期分量，初始时\(T_v^{(k)} = 0\)；并有以下参数：

• \(n_{(i)}\)内层循环数，
• \(n_{(o)}\)外层循环数，
• \(n_{(p)}\)为一个周期的样本数，
• \(n_{(s)}\)为Step 2中LOESS平滑参数，
• \(n_{(l)}\)为Step 3中LOESS平滑参数，
• \(n_{(t)}\)为Step 6中LOESS平滑参数。

每个周期相同位置的样本点组成一个子序列（subseries），容易知道这样的子序列共有共有\(n_(p)\)个，我们称其为cycle-subseries。内循环主要分为以下6个步骤：

• Step 1: 去趋势ÿ